<!-- title: 单季962亿美元：AI经济内循环解剖 -->
<!-- domain: tech -->
<!-- video: https://www.youtube.com/watch?v=tfBEWh9ibfU -->

# 单季962亿美元：AI经济内循环解剖

## 导语

2026年8月26日，英伟达发布了一个足以载入商业史的数字：**单季度营收962亿美元**，同比增长106%。第二天，Peter Diamandis 的 Moonshots 播客（EP #284）火速上线了一期近两个半小时的节目，把这条新闻放进了一个更大的框架里：**AI经济正在形成一个自我循环的“内环”**——英伟达卖芯片给实验室，实验室做模型，模型拉动数据中心，数据中心再回头买更多芯片。钱在这个闭环里转，而外面的传统经济只能围观。

这期视频真正值钱的地方，不是报新闻，而是四位嘉宾（XPRIZE创始人Peter Diamandis、科学家Alex Wissner-Gross、投资人Dave Blundin、ExO创始人Salim Ismail）围绕“这个循环会不会崩”吵出了一套普通人也能用的分析框架：哪些循环是健康的，哪些是财务工程堆出来的泡沫；为什么OpenAI自研芯片Jalapeño的第一道裂缝出现在“推理”而不是“训练”；以及为什么“AI抢工作”的恐慌数据完全站不住脚。如果你只想用一个下午搞懂当前AI经济的水温，这期节目是目前最好的切片。

## 视频背景卡片

| 项目 | 内容 |
|------|------|
| 视频标题 | NVIDIA's $96.2B Quarter, China's 200,000 Fake Accounts, & OpenAI's New Chip \| EP #284 |
| 频道 | Peter H. Diamandis（Moonshots Podcast） |
| 时长 | 约147分钟（2:27:02） |
| 播放量 | 14.5万+（发布次日数据） |
| 发布日期 | 2026年8月29日 |
| 核心主题 | 英伟达财报、AI循环经济、OpenAI自研芯片Jalapeño、AI与就业 |

## 核心内容拆解

### 1. 962亿美元一个季度：这不是财报，是基建时代的流水

先看已被官方财报确认的硬数据：英伟达2027财年第二季度（截至2026年7月26日）营收**962.2亿美元**，同比增长106%，环比增长18%；其中数据中心业务**890亿美元**，同比暴涨117%；GAAP与非GAAP毛利率均为75.0%；下季度指引**1080亿美元**。视频中Dave补了一句更狠的背景：这些收入的毛利率高达80%上下，“这种盈利能力在人类商业史上前所未有”。Peter算了一笔账：平均每天进账超过10亿美元，比地球上大多数国家的GDP一个季度还多。Jensen Huang在电话会上把Frontier Labs称为“第一代需要几百亿美元算力才能做出产品的初创公司”——这句话值得反复咀嚼，它意味着**算力采购已经从IT开支变成了核心生产资料开支**。【视频观点+官方数据交叉验证】

### 2. 大象在房间里：循环经济的两种形态

这是全期最精彩的智力贡献，来自Alex Wissner-Gross。市场上一直有质疑：英伟达投资数据中心，数据中心拿钱买英伟达的芯片，芯片跑出收入再投更多数据中心——这不就是“自买自卖”的洗稿式循环吗？Alex给出了一个锋利的区分框架：【视频观点】

- **利润表循环**（相对健康）：A公司卖货给B，B再卖货给A，钱在圈里转，但每一笔都有真实交易支撑；
- **资产负债表循环**（危险）：A公司不是靠利润、而是靠放贷（private credit）资助B来买A自己的货。需求是被金融工程“制造”出来的。

Alex的担忧在于：作为普通指数基金投资者，你根本**没有信息渠道分辨**当前英伟达暴涨的需求里，两种循环各占多少。他原话说，如果两三年后才发现基础设施层的需求是被金融工程撑起来的，那将是“高度次优的结果”——不过他依然预测最坏也就是一场“迷你寒冬”，因为算力正在替代房地产和人力，成为文明的基础底座。【视频观点】

### 3. Dave的反驳：所有经济都是循环经济

Dave Blundin则给出了完全相反视角，同样精彩。他的比喻是：想象半人马座阿尔法星上有一个掌握了超级智能的文明——他们会跟地球做生意吗？不会，距离太远、太慢，这个文明只会跟自己交易。**AI经济正在变成那个“半人马座文明”**：英伟达的投资、数据中心的采购、垂直应用的收入，全部在一个自我闭环里流转，对传统经济的关心趋近于零。他提到一个细节：他哥哥在Fidelity体系工作，一年前还说“AI什么时候才会真正渗透到主流金融”，现在改口了——“它根本不在乎你，它在发现新药、发现新物理。”（视频中还提到，单个药物研发的产值已超过全部AI推理收入的总和。）这个比喻的价值在于：**循环本身不是病，封闭且失速才是病**。【视频观点，比喻为我的概括】

### 4. Jalapeño登场：第一道裂缝出现在推理，而非训练

8月25日的Hot Chips大会上，OpenAI公布了与Broadcom联合打造的定制推理芯片**Jalapeño**的首批实测数据（这些数字我已用TechCrunch和DataCenterDynamics的报道交叉验证）：TDP 700瓦（实测持续功耗不超过550瓦），对比英伟达GB200/GB300，**每瓦推理吞吐1.5–1.9倍，端到端延迟降至对手的28%–59%**。对手旗舰GB300功耗是1400瓦——一半的电力，干出一倍半以上的活。时间线也很惊人：2025年10月官宣合作，2026年6月24日发布成品，8月就交出基准测试，前后不到一年。视频中Alex强调了一个更惊人的未经官方确认的数字：运行开源模型GPT-OSS时吞吐提升接近54倍。这件事的真正含义是：**OpenAI不再只是英伟达的客户，而是变成了芯片设计者**。Alex甚至开脑洞：两年后可能出现“OpenAI Compute云托管Anthropic模型”的局面——OpenAI和Anthropic同时赢。【视频观点+外部报道验证】

### 5. 为什么裂缝在推理？训练与推理是两个物种

Dave在视频里给了一个我认为整期最实用的框架：**训练和推理是两种完全不同的市场**。训练需要几万乃至上百万张GPU在同一个地点组成“相干集群”，这正是英伟达（收购Mellanox后的高速互连能力）的主场，且订单已经排到看不见头；而推理天然是分布式的——可以散布在全世界，甚至散布在太空（这也是马斯克轨道数据中心逻辑的底层）。Dave估计90%以上的算力需求最终属于推理。所以Jalapeño选择推理赛道切入，不是偶然：这是英伟达帝国最肥、但护城河最薄的一块地。【视频观点】

### 6. CUDA护城河之死与互连新护城河

顺着上一条，Dave把英伟达的战略棋谱讲得非常透：CUDA当年为什么无敌？因为全世界AI研究者都迁移到了Python+PyTorch，“只管跑”的底层翻译层只有CUDA做得最好——英伟达在AI爆发前十几年就开始贴身服务这群研究者。但如今推理算法简单到可以“vibe coding”直接移植到AMD或Intel，**CUDA作为推理护城河已经死了，作为训练护城河寿命也有限**。Jensen显然清楚这一点，所以新护城河搬到了互连（interconnect）：想组10万卡以上的单一相干集群，目前只有英伟达能做。Dave的总结是金句：**“护城河只good到下一条护城河出现为止。”** 另一个绕不开的风险：英伟达所有产品仍由TSMC独家代工，约三分之一的TSMC产能流向英伟达——这是整个AI大厦最脆弱的单点。【视频观点】

### 7. “AI抢工作”恐慌，被一手数据打脸

节目里的就业板块信息量极大。Salim展示了Principal Financial Group对其中小企业客户（约13万家，覆盖全美主要就业盘）的调查：**只有4%的公司预计AI将减少人手和工资，31%反而预计增加**；在确实裁员的公司里，只有1.4%把原因归于AI或自动化；最近三个月，52%的公司增加了人手。配合Washington Post当周的分析——AI替代的是“任务”而非“职业”，会用AI的人变得更高效而非更失业。Salim补了一个关键事实：过去五六十年，**100%的净新增就业来自中小企业**，大公司越变越大也越变越高效，净创造就业为零。所以看就业 future，别盯着大厂裁员新闻，要盯中小企业的招聘表。【视频观点，调查数据为视频引用】

### 8. 数据中心是敌是友：一个小镇给出了答案

围绕数据中心的公众情绪正在被大量负面叙事主导。视频中援引X平台安全团队的说法，称发现了一个约20万账号的机器人农场，其中200个账号专门传播“AI数据中心推高家庭电价”的内容（此说法来自平台方，未获独立验证）。但Peter给出了一个反例故事：CNN报道的华盛顿州小镇Quincy，因数据中心落地，**贫困率从29.4%降到6.2%**，科技税收入盖起了新中学、医院、图书馆、消防局，居民房产税反而下降。无论你对前一条消息持何种立场，这一段给普通读者的启示是一样的：**对任何“定制给你看”的叙事都要独立核查原始数据**——这可能是AI时代最基础的信息素养。【视频引用，需自行判断】

## 知识结构图

```mermaid
flowchart TB
    subgraph LOOP[AI经济内循环]
        A[英伟达<br/>训练芯片霸主<br/>单季962亿美元] -->|卖卡| B[Frontier Labs<br/>OpenAI / Anthropic等]
        B -->|产出模型| C[数据中心<br/>推理算力层]
        C -->|服务| D[垂直应用<br/>编程 / 药物发现 / 视频 / 机器人]
        D -->|营收回流| B
    end

    B -.->|自研芯片绕开| A
    E[Jalapeño<br/>OpenAI x Broadcom<br/>700W 推理ASIC] -.->|每瓦吞吐1.5-1.9x| A

    subgraph RISK[三重脆弱性]
        R1[TSMC独家代工<br/>单点依赖]
        R2[CUDA护城河衰退<br/>互连成新护城河]
        R3[循环性存疑<br/>利润表循环 vs 资产负债表循环]
    end

    A --- R1
    A --- R2
    LOOP --- R3

    subgraph MARKET[训练 vs 推理：两个市场]
        T1[训练<br/>集中式相干集群<br/>英伟达主场]
        T2[推理<br/>分布式 可上太空<br/>新玩家入场口]
    end
```

## 实战启示

**给投资者**：Alex的“两种循环”框架值得写进你的检查清单。看到任何高速增长的公司，先问一句：它的客户买它东西的钱，有没有一部分是它自己（或它的关联方）借出去的？利润表循环可以天长地久，资产负债表循环迟早爆雷。这不只适用于英伟达，适用于所有热门赛道。

**给从业者**：训练与推理分家是未来三年最确定的行业趋势。训练市场继续向英伟达集中，但推理市场会诞生一整代新公司——从定制ASIC（Jalapeño、TPU路线）到推理专用云。做技术选型时，别再把“CUDA兼容”当成推理侧的硬约束，它是可以绕开的。

**给担心被AI取代的普通人**：别看自媒体渲染，看Principal那组数据。这期节目里Dave讲了一个“会计上移”的比喻：软件吃掉了记账，人类升到“环之上”做分类、判断和审校——写作、法律、咨询都会重演这个过程。Peter给的建议具体到可执行：**每天花30分钟和你最喜欢的大模型对话**，让它给你从零到一搭学习课程。Alex的补刀更狠：在这个时代，“高主动性”（high agency）是极少数还能获得超额回报的人类特质，而且窗口期可能只有几年——“现在不做，以后就永远不会做了。”

**给企业管理者**：Goldman Sachs在视频中被引用的警告值得贴在墙上：专业服务行业的危险不是AI替代人类，而是“会用AI的初级员工”反超“拒绝用AI的资深合伙人”。技能鸿沟的分界线已经从“受过教育与未受教育”变成了“AI流利与AI抗拒”。

## 延伸学习路径

1. **OpenAI官方博客：Jalapeño's first results** — 第一手基准数据，比任何二手解读都可靠
2. **NVIDIA 2027财年Q2财报（官网新闻稿）** — 自己读原始财报，练习穿透叙事看数据
3. **TechCrunch：OpenAI's Jalapeño chip benchmarks（2026-08-25）** — Hot Chips现场的独立报道
4. **Broadcom官方新闻稿：OpenAI and Broadcom Unveil LLM-Optimized Intelligence Processor** — 了解ASIC合作分工（Broadcom设计、TSMC制造、Celestica系统集成）
5. **Moonshots Podcast往期** — 尤其推荐能源专题（SMR与太阳能曲线那期），理解“算力之争本质是电力之争”

## 一句话总结

当AI经济的钱开始在一个封闭内环里高速流转时，你能做的最聪明的事，就是分清哪部分循环是真实价值、哪部分是金融幻觉，然后把自己放进内环。

## 参考来源

1. [NVIDIA's $96.2B Quarter, China's 200,000 Fake Accounts, & OpenAI's New Chip | EP #284](https://www.youtube.com/watch?v=tfBEWh9ibfU) — 本文分析的核心视频
2. [NVIDIA Announces Financial Results for Second Quarter Fiscal 2027（官方财报）](https://nvidianews.nvidia.com/news/nvidia-announces-financial-results-for-second-quarter-fiscal-2027) — 962亿美元营收原始出处
3. [Jalapeño's first results（OpenAI官方博客）](https://openai.com/index/jalapeno-first-results/) — 芯片首批基准数据
4. [OpenAI's Jalapeño chip is built for fast inference at scale（TechCrunch, 2026-08-25）](https://techcrunch.com/2026/08/25/openais-jalapeno-chip-is-built-for-fast-inference-at-scale-benchmarks-show/) — Hot Chips大会独立报道
5. [OpenAI details Jalapeño AI chip, with 700W TDP（DataCenterDynamics）](https://www.datacenterdynamics.com/en/news/openai-details-jalape%C3%B1o-ai-chip-with-700w-tdp/) — 功耗实测细节

---
> 本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵**爱卫生**（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。
> 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。

> [!tip] 51学通信知识星球
> **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。
> **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。
> **当前规模**：5200 篇主题 / 990 个回答，198 元/年。
> **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。
> **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。

![51学通信知识星球海报-扫码加入](https://wiki.500nian.com/images/zhixingqiu_qrcode.png)